XiaoMi-AI文件搜索系统
World File Search System由众
Electrosense+：利用物联网接收器进行众包无线电频谱解码
基于众包的 Web 频谱监测系统最近越来越受欢迎。然而，这些系统仅限于政府组织或电信提供商感兴趣的应用，并且仅提供有关频谱统计的汇总信息。结果是普通用户缺乏参与的兴趣，这限制了其广泛部署。我们提出了 Electrosense+，它解决了这一挑战，并使用低成本、嵌入式和软件定义的频谱物联网传感器创建了一个通用的开放频谱监测平台。Electrosense+ 允许用户远程解码无线电频谱的特定部分。它建立在其前身 Electrosense 的集中式架构之上，用于控制和监控频谱物联网传感器，但实现了实时和点对点通信系统，用于可扩展的频谱数据解码。我们提出了不同的机制来激励用户参与部署新传感器并使其在 Electrosense 网络中运行。作为对用户的奖励，我们提出了一种基于虚拟代币的激励会计系统，以鼓励参与者托管物联网传感器。我们介绍了新的 Electrosense+ 系统架构，并评估了其解码各种无线信号（包括 FM 无线电、AM 无线电、ADS-B、AIS、LTE 和 ACARS）的性能。
什么机制设计有助于实现创客空间的创新功能：基于模糊集的定性比较分析
现有关于众创空间的研究大多侧重于内部主体(如创客)或外部因素(如政策扶持、生态环境等)，对众创空间一系列机制设计的探讨相对较少。本文从平台服务、资源集聚、网络连接和内生性文化保障四个方面理论化众创空间的运行机制，运用模糊集定性比较分析(fsQCA)方法对浙江省63家众创空间的数据进行分析，提出合理的众创空间机制设计方案。研究结果表明，众创空间的创新性是各种运行机制协同作用的结果，其中，平台服务功能、资源集聚渠道、正式链接、成果共享文化是众创空间不可或缺的支撑机制。提出促进众创空间创新的有效途径有两种：一是防范外部资源提供者的干预；第二，建立包容的试错文化。
评估在多核和众核处理器中实现的应用程序的 SEE 灵敏度和错误率预测方法
部长法令：2016 年 5 月 25 日 由 PABLO FRANCISCO RAMOS VARGAS 提交论文由 TIMA 实验室研究主任 Raoul VELAZCO 指导，格勒诺布尔阿尔卑斯大学讲师 Nacer-Eddine ZERGAINOH 联合指导，在 IT 技术实验室内编写和微电子学的集成系统架构电子、电工、自动、信号处理博士生学院 (EEATS) 对 SEE 敏感度的评估以及预测多核和众核处理器中实施的应用程序错误率的方法 2017 年 4 月 18 日公开答辩论文，在评审团组成：
在Facebook上钓鱼：使用社交媒体和公民科学来众筹奖杯Murray Cod
转移基线，人们对环境的“自然”状态的看法随着每一代而变化，阻碍了保护，恢复和管理。正式和非正式的历史动物记录可用于为过去的生物学，生态和环境模式和过程提供信息。奖杯标本是文化和社会对象，但也是非正式历史记录的例子，可以提供生物组织并补充形式的自然历史收集。使用社交媒体从公民科学家那里收集信息具有很大的潜力，可以收集此类标本。这项研究的目的是评估Facebook和传统媒体的潜在效用，以收集有关TaxIdermal Murray Cod（Maccullochella Peelii）的数据，这是一种大型，长寿的淡水鱼类，是澳大利亚默里 - 达林盆地特有的。一个Facebook组“ COD Spot”被建立为向潜在公民科学家进行信息传播的地点，并且可以上传Murray Cod Mount上的数据。这与社交和主流媒体促销，研究网站和电子服务相辅相成。收到的鳕鱼斑点> 7,000个互动和大约400名参与者。总共发现了189个经过验证的Murray Cod头和整个坐骑。电子调查提供了将这些文化和社会对象变成具有科学价值的潜力的验证。参与者包括有兴趣的人，收藏家，动物标本手，管家或坐骑的所有者。大多数参与者是35岁以上的男性，尽管女性几乎占网站用户的三分之一。这项研究表明，低成本营销与广泛分散的，相对常见且众所周知的感兴趣对象相结合可以有效地获得公民科学合作。
c-journal：使用基于众包数据集的深度学习来检测和分类认知扭曲的日记应用程序
抽象的认知扭曲是负偏见的思维模式和错误的自我污点，这是由于自己的内部推理而导致并导致逻辑错误。认知畸变会对心理健康产生不利影响，并可能导致心理健康障碍。本文属于一个更大的项目，该项目旨在提供用于检测和分类文本中认知扭曲的应用程序。由于没有用于该任务的公共数据集，因此拟议的工作的首次贡献在于提供一个开源标签的数据集，该数据集的14个认知畸变，该数据集由34370个条目组成，该数据集由34370个条目通过人群来源，用户调查表和从社交媒体中重新播放情绪数据集收集。数据集是与持牌心理学家合作收集的。我们使用幼稚的贝叶斯和count vectorizer以及不同的CNN，LSTM和DNN分类器实现了基线模型，以基于数据集对认知失真进行分类。我们使用表现最好的模型研究了不同单词嵌入的用法。依靠CNN的表现最好的模型，其嵌入式句子嵌入，F1得分为84％，用于分类认知扭曲。表现最佳的模型是在C- Journal中内置的，这是一种免费的日记帐和心情跟踪移动应用程序，可指出向用户的潜在思维扭曲。
混合获取高质量训练数据...
3D 点云的自动语义解释对于地理空间数据分析领域的许多任务至关重要。为此，需要标记的训练数据，这些数据通常由专家手动提供。主动学习 (AL) 是一种最大限度地减少人机交互成本的方法。目的是仅处理未标记数据集的子集，这对于类别分离特别有用。在这里，机器识别信息实例，然后由人类标记，从而提高机器的性能。为了完全避免专家的参与，可以通过众包解决这种耗时的注释。因此，我们提出了一种将 AL 与付费众包相结合的方法。尽管结合了人机交互，但我们的方法可以完全自动运行，因此只需要提供未标记的数据集和固定的财务预算来支付众包工人的费用。我们对 ISPRS Vaihingen 3D 语义标记基准数据集 (V3D) 进行了 AL 过程的多个迭代步骤，并特别评估了众包在标记 3D 点时的表现。我们通过使用从基于众包的 AL 方法中派生出的标签对测试数据集进行分类来证明我们的概念。分析概述了通过仅标记 0.4% 的训练数据集并花费不到 145 美元，我们训练的随机森林和稀疏 3D CNN 分类器在总体准确率上的差异与在完整的 V3D 训练集上训练的相同分类器相比不到 3 个百分点。
平台经济：超越常规
• 临时工作和打工（例如 Zenjob、InStaff）、• 食品配送（例如 Deliveroo、Uber Eats、Just Eat）、• 研究招聘（例如 Prolific、Qualtrics）、• 约会（例如 Parship、Tinder、Bumble）、• 评论网站（例如 Kununu、Jameda、TripAdvisor、Yelp、Google Maps）、• 预约管理（例如 Doctolib、OpenTable）、• 应用市场（例如 Google Play、App Store）、• 价格比较（例如 Idealo、Verivox、Check24）、• 众筹（例如 Patreon、Kickstarter、GoFundMe、Indiegogo）、• 众筹投资（例如 Companiso、AngelList）、• 众筹借贷（例如 PeerBerry、Zopa、Ratesetter、Funding Circle、Auxmoney）、• 视频流（例如 Youtube、Twitch、Vimeo）、•音乐流媒体（例如 Spotify、Apple Music、Deezer）、游戏市场（例如 Steam、Epic Games Store）、知识交流（例如 StackOverflow、Quora）、社交和专业网络（例如 Facebook、Instagram、TikTok、Twitter、LinkedIn、Xing）、
非营利组织的人工智能和数据
摘自 Behl, A., Dutta, P., Luo, Z., & Sheorey, P. (2022)。在基于捐赠的众筹平台上启用人工智能：一种理论方法。运筹学年鉴，319 (1)，761–789。https://link.springer.com/article/10.1007/s10479-020-03906-z 摘要“个人或团体捐款是救灾行动的重要方面。基于捐赠的众筹 (DBC) 任务通常会列在众筹平台上，以吸引捐赠者在规定的时间内出于特定原因捐款。随着灾难发生的频率和强度随着时间的推移而增加，这些平台越来越受欢迎，它们需要持续不断的资金流来实现目标。这些渠道通常会采用人工智能 (AI) 工具来提高其运营绩效。我们通过使用与满足理论来理解采用过程，该理论受动机因素主导，例如 DBC 想要实现的功利性和象征性利益。在人工智能工具的指导下，来自全球多个捐助者的现金流入也带来了风险；因此，我们使用了一个调节变量来更好地了解 DBC 的运营绩效。我们通过 293 名灾难救援行动背景下的 DBC 任务所有者的回应收集了实证数据。我们使用偏最小二乘结构方程模型测试了我们的假设，并控制了灾难强度和众筹任务持续时间。我们的研究结果为使用与满足理论提供了重要的扩展，通过理解使用与满足收益与采用人工智能工具促进
